matlab仿真qpsk信号频谱_单载波的相干QAM信号中,本振激光与信号激光的频率差的允许范围是多少?...

在单载波的相干光信号传输中,我们用一个本振(Local Oscillator)激光来将高频的载波光信号搬移到基频附近。通常本振激光与信号激光的频率不同。如果频率相同的话,则不需要在数字信号处理中进行差频移除这一模块。当然,同频激光做本振,会给接收高频PD之后的跨阻放大器带来小小的问题。没有频差的信号被接收的时候,由于QAM信号本身是方形的,当其随着激光的相位噪声缓慢旋转的时候,跨阻放大器的每个频道看到的是慢变的功率,而不是由于有频差而快速旋转的平均后的功率,所以需要跨阻放大器及时调整其增益而跟上激光的相位噪声的变化。

如果本振激光与信号激光的频率不同,那么通常允许多少的频率差别呢?我们知道当频率差为

时,相邻两个symbol之间的相位差是
。但是由于QAM的信号每个symbol又有自己的相位,并且还有激光的相位噪声附加的一个可以用维纳过程作为模型的相位。这样一来增加了确定其由频率差带来的相位的难度。其实早在上个世纪,无线通信领域就已经有探测频率差的解决方案。让我们以最简单的QPSK作为一个例子来探讨。

在做完equalization之后的QPSK信号是一个环,下图仿真了一个30 dB symbol信噪比的QPSK。在有normalization的情况下,其模值为1,并且为1个采样点对应一个symbol。接下来的操作就是要把这样一个模值为1的环还原回正常的QPSK星座图。

32ebe36ba4bfd9b7e8ee1c3151e6e20c.png

a2256b6bf5469d7674af675abfc0f7b3.png

上图所示为一种非常普遍的检测差频的算法[1]。让我们来看看每一步都发生了什么。图示的左侧,每一个symbol和上一个symbol的共轭相乘,乘积之后的值包含了相邻两个symbol之间的相位差,为了去除QPSK所加在symbol上的调制,我们把乘积值做四次方,相当于把幅角乘4, 剩余的相位差就是去除QPSK调制之后的相位差。取前后几个值做平均去除信道的高斯噪声和激光的相位噪声。这个值会非常接近

8d49248730b5c18f7fbda25166dce767.png

上图我们取N = 5, 做五个点的平均值可计算得出当下的差频。如果差频稳定,在不同的时间段取平均,计算所得的幅角都应该非常稳定。下图我们取十个不同位置的五个symbol做平均,可以看出其幅角值也是很接近的。仿真中我们设定的差频是1GHz,波特率是60GBd。所以实际的相位差应该是2/15π,约为0.42 rad。可以看到我们在不同位置检测的这个估计值均接近这个实际相位差。

877b35fa4a1ce6dcc9dfc9d5f51831c2.png

下图所示是10000个symbol的仿真所得的实际的频差相位和用这种算法估计出来的频差相位的对比。

29473160e40ff0eccce8280acd6eb021.png

在移除频差之后我们看到已经能看到比较清晰的四个点了。下图所示为每1000个symbol的星座图。

0c52a253285bb5b039cb15b0651409b4.png

当然还有一些残存的相位没有移除,这些相位误差可以在进一步的相位恢复中移除。当然下一步的相位恢复的信息也可以反馈到频差移除这一步,对频差的估计进行优化。这里就不再赘述。

再回到题目的问题,频差是多少时可以准确地探测出相位呢?我们上文已经讲到如果用四次方的算法探测差频的话,每两个相邻symbol的相位差是

,为避免2π modulus的效应,必须满足以下条件:

将其简化,则得到了频差的条件:

其中B是波特率,是symbol周期Ts的倒数。

一个更直观的描述可见下图,在左图中当下一个点的相位跳变的绝对值在π/4以内时,我们可以确定上一个symbol是在同一个象限之内的,如图示,从红色的点变化到绿色的点。在右图中,如果当前的绿色的点的上一个symbol是红色的点,那么相位跳变的绝对值超过了π/4,如果上一个symbol是橙色的点,相位跳变的绝对值就小于π/4,我们就会判定上一个点为橙色的点。如果本振激光和信号激光的频率差别太大,每两个相邻点的相位差别都在π/4以上,我们无法确定这是由QPSK的调制带来的相位变化,还是由于频率差带来的相位变化。

cb357433ec21bd247c7743adf5ebe97d.png

在更高阶的QAM中,如16QAM, 64QAM,我们都可以用近似的方法选取在x,y轴角分线上的星座点进行差频的检测。不同于QPSK所有点的理想模值都为1,高阶QAM需要判断每个symbol的模值。所以在QPSK 盲均衡恒定模值算法(CMA)的基础上对于高阶QAM又发展出多模值算法(MMA),在高阶QAM的均衡之后可以判断每个点的模值,如16QAM即可选取最里面的环和最外面的环上的symbol,这些symbol的理想星座位置都在x和y轴的角分线上。利用这些点即可用类似的方法检测差频。在理想情况下,本振激光与信号激光的最大差频条件并不改变。

但是高阶QAM对于白噪声和相位噪声更加敏感,在实际的传输信道中也一定会有非线性的效应。这些都给差频的探测带来一定的挑战。是德(Keysight)的光学调制分析仪(OMA)给出了其探测不同调制格式的最大允许差频[2]。如下图所示。可以看出在实际情况中,即使是最简单的调制格式QPSK的允许差频,也是小于我们上面得出的结论,12.5% 的symbol rate的。

938c194b42d458d18452ae4cb454b14c.png

参考文献:

[1] A. Leven, N. Kaneda, U. Koc and Y. Chen, "Frequency Estimation in Intradyne Reception," in IEEE Photonics Technology Letters, vol. 19, no. 6, pp. 366-368, March15, 2007.doi: 10.1109/LPT.2007.891893

[2] http://www.c-fol.net/m/news/view.php?id=20190425094637

代码下载:完整代码,可直接运行 ;运行版本:2014a或2019b;若运行有问题,可私信博主; **仿真咨询 1 各类智能优化算法改进及应用** 生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化 **2 机器学习和深度学习方面** 卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断 **3 图像处理方面** 图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知 **4 路径规划方面** 旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化 **5 无人机应用方面** 无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配 **6 无线传感器定位及布局方面** 传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化 **7 信号处理方面** 信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号信号配时优化 **8 电力系统方面** 微电网优化、无功优化、配电网重构、储能配置 **9 元胞自动机方面** 交通流 人群疏散 病毒扩散 晶体生长 **10 雷达方面** 卡尔曼滤波跟踪、航迹关联、航迹融合
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值